• G検定とは
• G検定のシラバス（試験範囲）
• G検定合格へ向けて
• 本書の使い方

第1章　人工知能（AI）とは

• 1.1　人工知能の定義
• 1.2　人工知能の歴史
• 用語解説

第2章　人工知能の変遷と問題

• 2.1　探索・推論
• 2.2　知識表現
• 2.3　人工知能における問題
• 用語解説

第3章　機械学習の具体的手法

• 3.1　代表的な手法
• 学習の種類
  • 教師あり学習
  • 教師なし学習
  • 強化学習
• 3.2　教師あり学習の代表的な手法
  • 線形回帰
  • 正則化
  • ロジスティック回帰
  • サポートベクターマシン
  • k近傍法
  • 決定木
  • ランダムフォレスト
  • 勾配ブースティング
  • アンサンブル学習
  • ベイズの定理
  • 最尤推定
• 3.3　教師なし学習の代表的な手法
  • k-means法
  • 階層的クラスタリング
  • 主成分分析
• 3.4　手法の評価
  • データの扱い
  • 交差検証法
• 3.5　評価指標
  • 回帰
  • 分類
• 3.6　特徴量設計
• 用語解説

第4章　ディープラーニングの概要

• 4.1　ニューラルネットワークとディープラーニング
• 4.2　事前学習によるアプローチ
• 4.3　ハードウェア
• 用語解説

第5章　ディープラーニングの手法

• 5.1　活性化関数
• 5.2　学習の最適化
  • 学習と微分
  • 勾配下降法
• 5.3　さらなるテクニック
  • 過学習
  • ドロップアウト
  • early stopping
  • データの正規化
  • 重みの初期値
  • バッチ正規化
• 5.4　CNN：畳み込みニューラルネットワーク
  • 画像データの扱い
  • 畳み込み
  • プーリング
  • 全結合層
  • データ拡張
  • 転移学習
  • CNNの初期モデル
• 5.5　RNN：リカレントニューラルネットワーク
  • RNNの基本形
  • LSTM
  • RNNの発展形
  • Attention
• 5.6　強化学習の特徴
• 5.7　深層強化学習
• 5.8　深層生成モデル
• 用語解説

第6章　AI技術の応用に向けて

• 6.1　画像認識
• 6.2　自然言語処理
• 6.3　音声認識
• 6.4　強化学習
• 6.5　生成モデル
• 6.6　自動運転
• 用語解説

第7章　AI技術の応用に向けて（2）
‐法律・倫理・現行の議論‐

• 7.1　AIと社会
• 7.2　プロダクトの設計
• 7.3　データの収集
• 7.4　データの加工・分析・学習
• 7.5　プロダクトの実装・運用・評価
• 7.6　AIと法律・制度
• 用語解説